面板数据理论知识拓展.PPTVIP

面板数据 面板数据发展历程 1966年，贝尔斯特拉和纳洛夫发表研究会议论文，面板数据这一新的计量分析工具 1986年，萧政（Hsiao Cheng）出版了第一本《面板数据分析》 同时期有29项研究涉及以面板数据作为关键词（SSCI） 至2003年，有580篇研究 至2004年，有687篇 2007年7月在 中国厦门大学举办第14届国际面板数据大会 …… 面板数据 面板数据的定义 面板数据模型 面板数据分析方法步骤 面板数据的定义 面板数据（panel data）是截面上个体在不同时点的重复观测数据，是一组二维数据，所以也称作时间序列截面数据（pooled time series and cross section data） 。 与横截面数据和时间序列数据的区别 从横截面（cross section）上看，面板数据是由若干个体（entity, unit, individual）在某一时刻构成的截面观测值； 从纵剖面（longitudinal section）上看其则是一个时间序列。 时间序列数据或截面数据都是一维数据。 时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。 面板数据的数据结构 面板数据走势图 但是…… 更多的时候我们用的数据是三维的 横截面的个体 纵向的时间 多个指标 在进行经济分析时经常会遇到这类数据。例如，在企业投资需求分析中，我们会遇到多个企业的若干指标的月度或季度时间序列； 在城镇居民消费分析中，我们会遇到不同省市地区的反映居民消费和居民收入的年度时间序列。 使用三维数据比较困难，一般要转化成二维数据。有几种常用的方法。 非堆积数据 堆积数据 非堆积数据 存在工作文件的数据都是这种非堆积数据，在这种形式中，给定截面成员、给定变量的观测值放在一起，但和其他变量、其他截面成员的数据分开。例如，假定我们的数据文件为下面的形式： 11 其中基本名 I 代表企业总投资、M 代表前一年企业的市场价值、K 代表前一年末工厂存货和设备的价值。每个企业都有单独的 I、M、K 数据。 EViews会自动按附录A中 介绍的标准输入程序读取非堆积数据。并把每个截面变量看作一个单独序列。注意要按照上述的Pool命名规则命名。 12 2：堆积数据：Pool数据排列成堆积形式，一个变量的所有数据放在一起，和其他变量的数据分开。大多数情况下，不同截面成员的数据从上到下依次堆积，每一列代表一个变量： (截面成员堆积) 13 我们称上表数据是以截面成员堆积的，也可以按日期堆积数据： 每一列代表一个变量，每一列内数据都是按年排列的。如果数据按年排列，要确保各年内截面成员的排列顺序要一致。 面板数据的表示 面板数据用双下标变量表示。 yi t, i = 1, 2, …, N; t = 1, 2, …, T i对应面板数据中不同个体。N表示面板数据中含有N个个体。t对应面板数据中不同时点。T表示时间序列的最大长度。 若固定t不变，yi ., ( i = 1, 2, …, N)是横截面上的N个随机变量； 若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 面板数据的分类 面板数据分两种特征： （1）个体数少，时间长。 （2）个体数多，时间短。 面板数据主要指后一种情形。 面板数据的分类 对于面板数据yit, i = 1, 2, …, N; t = 1, 2, …, T， 如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，称此面板数据为平衡面板数据（balanced panel data）。 若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。 注意：EViwes 3.1、4.1、5.0既允许用平衡面板数据也允许用非平衡面板数据估计模型。 利用面板数据建立模型的好处： （1）由于观测值的增多，可以增加估计量的抽样精度。 （2）面板数据建模比单截面数据建模可以获得更多的动态信息。 （3）面板数据使我们可以研究更为复杂的行为模型 。 面板数据在社会科学中的应用 面板数据很快就替代了以往的横截面研究 面板数据模型  研究和分析面板数据的模型被称为面板数据模型（panel data model）。它的变量取值都带有时间序列和横截面的两重性。 一般的线性模型只单独处理横截面数据或时间序列数据，而不能同时分析和对比它们。 面板数据模型，相对于一般的线性回归模型，其长处在于它既考虑到了横截面数据存在的共性，又能分析模型中横截面因素的个体特殊效应。 当然，我们也可以将横截面数据简单地堆积起来用回归模型来处理，但这样做就丧失了分析个体特殊效应的机